抗腫瘤藥物主方案試驗設計進展及統計考量*

高 珺 蘇麗文 袁 鷹 言方榮△

【提 要】 在精準醫療的背景下，選擇性作用于腫瘤特定分子靶標的靶向治療愈發受到重視，其作用機制也對臨床研究提出了新的挑戰。傳統的臨床試驗設計往往忽略了患者的異質性，而對患者按生物標記物進行篩選的富集設計則面臨效率低下、可行性低等問題。主方案設計是一種在同一試驗結構下評估多種藥物或腫瘤分子亞型的新型試驗設計，不僅能較好地處理患者異質性問題，適應靶向治療的作用機制，且有利于加快藥物研發，目前在國外已有一定應用。本文旨在結合實際應用案例，對籃式設計、傘式設計、平臺設計等主方案設計的基本特點和研究進展進行綜述。

過去的二十年間，隨著生物信息學領域的發展，人們對癌癥相關的分子作用機制的理解更加深入，癌癥治療的策略開始從非特異性的化學療法轉向選擇性針對腫瘤分子機制的靶向治療，比如免疫治療[1]。分子靶向藥物(molecularly targeted agents，MTA)，包括免疫治療藥物，已成為乳腺癌、結腸癌、肺癌、胰腺癌等癌癥治療方案的組成部分[2]，具有廣闊的研發與應用前景。當前批準上市的MTA已達50余種[3]，更多MTA尚處于臨床研究階段。在2008到2014年間發表于學術期刊的I期臨床試驗中，MTA占全部試驗的49.8%[4]。

對于研究藥物為MTA的臨床試驗，以往使用的試驗方案存在諸多缺陷。傳統的試驗方案通常針對腫瘤的特定組織學分型開展，然而，MTA試驗更應考慮的是腫瘤的分子分型[5]。同一類腫瘤的患者根據其基因表達情況可以被細分至不同的亞組，許多MTA僅對特定的患者亞組有效，而傳統的試驗方案忽略了患者分子靶標的異質性，無法分離亞組對療效的效應。另一方面，基因測序技術的進步使入組前基因篩檢成為可能，推動了基于生物標記物的新型試驗設計的發展。富集設計即根據患者的生物標記物檢測結果，僅納入攜帶特定基因突變標記物的患者，排除其他患者[6]。但是，對于某些罕見的患者亞組，嚴格的入選標準或導致試驗無法招募到足夠的受試者，或試驗持續時間過長，篩檢效率低下，加重試驗的經濟負擔。

為了加快抗癌藥物研發，提高基因篩檢效率，同時解決MTA面臨的患者異質性問題，人們提出了使用同一方案評估多種藥物或腫瘤亞型的新型試驗設計，該類設計統稱為主方案設計(master protocol)。本文結合實際應用案例，對抗腫瘤藥物主方案試驗設計進行了較細致的梳理，主要包括：籃式試驗、傘式試驗和平臺試驗設計，并進一步討論其涉及的相關統計學問題。

主方案設計研究進展及應用

根據美國FDA最新發布的指導原則[7]，主方案的定義為由多項平行子試驗組成，在同一試驗結構下研究一種或多種藥物治療一種或多種疾病亞型的臨床試驗設計，一般應用于臨床II期和III期試驗。每項子試驗根據患者的生物標記物及治療方案進行劃分，具有不同的目標。根據試驗中的藥物與治療組的劃分情況和試驗目標，主方案試驗可分為籃式試驗、傘式試驗和平臺試驗等類型。圖1總結和對比了籃式試驗、傘式試驗和平臺試驗的基本特點。

圖1 籃式試驗、傘式試驗和平臺試驗的基本設計結構

1.籃式試驗

在具有同種或同類基因變異的不同組織學類型的患者人群中，評價一種藥物(或治療方案)的主方案試驗稱為籃式試驗?；@式試驗多為臨床II期探索性試驗，通常根據腫瘤的組織學分型將患者分為不同的亞組，每個亞組即為一項子試驗。由于不依賴于組織學分型，籃式試驗可以入組更多患者，尤其是為罕見腫瘤的患者提供了接受試驗藥物治療的機會，同時也降低了試驗招募受試者的難度。

籃式試驗的每項子試驗一般采用獨立的Simon兩階段設計，在試驗過程中通過一次期中分析評價藥物對各個患者亞組的有效性，提前停止治療效果不佳的子試驗。為保證對每個亞組的評價都具有足夠的檢驗效能，當試驗中的亞組較多時，基于獨立的Simon兩階段設計的試驗樣本量可能呈現指數級別的增長。Cunanan等人[9]在此基礎上提出一種提高總體試驗效率的方法，在期中分析時評價各個患者亞組的治療效果是否具有同質性，若根據當前數據認為治療效果同質且藥物有效，則可以合并所有子試驗的患者數據進行后續的分析。若認為同質但藥物無效，則應提前終止整項試驗。該方法可以為試驗節省第二階段的樣本量，但是無法較好地評價藥物對特定患者亞組的治療效果。其他文獻中的籃式試驗設計幾乎都使用了貝葉斯的方法。Simon等人[10]針對早期探索性籃式試驗建立了一種兩參數的貝葉斯模型，兩個參數分別表示患者亞組之間治療效果的同質性，以及藥物對特定患者亞組有效的先驗概率，在擬合模型之前需要指定它們的先驗值。該模型實現了不同患者亞組之間的信息借用，同樣可以節省需要的樣本量。Thall等人[11]和Berry等人[12]先后提出使用貝葉斯層次模型(Bayesian hierarchical model，BHM)以達到在患者亞組之間信息借用。模型將患者亞組治療效果的方差作為“收縮參數”，用于控制亞組之間信息借用的幅度。收縮參數越小，信息借用的幅度越大，收縮參數為0則等同于合并分析。首先需要指定收縮參數的先驗值，在試驗過程中通過數據不斷調整。然而，Chu和Yuan[13]注意到當試驗中的患者亞組數較少時(比如小于6組時)，BHM方法無法準確地估計收縮參數，因此導致I類錯誤率的膨脹。對此，他們提出了校正貝葉斯層次模型法(calibrated Bayesian hierarchical model，CBHM)，建立收縮參數與亞組同質性之間的函數關系，通過試驗數據不斷對該函數進行校正。模擬結果表明CBHM能更好地控制I類錯誤率。BHM和CBHM方法均假定患者亞組具有“互換性”，即只要存在異質亞組就不進行信息借用，即使其中的某些亞組是同質的。Hobbs和Landin[14]對Kaizer等人[15]提出的多源互換性模型進行改進，提供了一種能夠對亞組互換性進行監測的貝葉斯層次模型，這種方法成對地評價所有亞組，從而識別其中的可互換亞組。另一種考慮亞組互換性的籃式試驗設計是貝葉斯潛亞組(Bayesian latent subgroup trial，BLAST)設計[16]。BLAST設計按照治療敏感程度將不同腫瘤類型歸類為若干個亞組，假設每個亞組內部具有同質的治療效果，可以進行信息借用，并通過模型選擇方法決定亞組個數。例如，亞組個數為2則表示將所有腫瘤類型劃分為敏感和非敏感兩類。除此之外，該設計還利用了生物標記物的縱向信息，建立生物標記物與臨床結果的聯合模型以提高試驗的決策效率。

目前，已完成的籃式試驗有BRAF V600(NCT01524978)和SIGNATURE(NCT02187783)等[17]。BRAF V600是一項維莫非尼治療攜帶BRAF V600基因突變的非黑色素瘤患者的II期籃式試驗[18]。試驗包括6個指定的患者亞組：非小細胞肺癌、卵巢癌、結腸癌、膽管癌、乳腺癌、多發性骨髓癌，不屬于這6種癌癥但攜帶BRAF V600突變的患者作為第7亞組(其他組)。如果其他組中某種癌癥的患者達到一定數量，也可以進行單獨的分析。每個亞組使用Simon兩階段設計，主要終點為緩解率，共入組208名患者。試驗結果表明BRAF V600對于某些癌癥類型而言是可行的靶點，但不適用于所有類型。SIGNATURE是由8項籃式試驗組成的平臺項目，每項試驗針對不同靶點研究一種藥物[19]。其中，NCT02187783是一項瑞博西尼治療CDK4/6通路誘導的腫瘤患者的II期籃式試驗，目前已完成研究，共招募了31種腫瘤類型的106名患者[20]。試驗在統計分析中首先使用Dirichlet混合模型對所有腫瘤類型亞組按歷史緩解率聚類，然后采用BHM方法實現聚類內部的亞組間信息借用。

2.傘式試驗

在同一腫瘤類型的患者人群中，同時評價多種藥物(或治療方案)的主方案試驗稱為傘式試驗。傘式試驗僅針對腫瘤的一種組織學分型招募患者，根據生物標記物將患者劃分為不同的亞組，并為每個亞組分配對應的最有效的治療方案。這種設計既可以用于II期探索性試驗，也可以用于III期確證性試驗。與籃式試驗相比，傘式試驗針對特定的腫瘤類型和患者亞組得出的結論更有意義，能夠為特定人群和適應癥中的藥物上市批準提供更有說服力的證據。但是，傘式試驗面臨著與富集設計相同的問題，當患者亞組較為罕見時，試驗將很難招募到足夠的患者。另一個問題是某些患者可能符合多個亞組的入選標準，需要預先指定這些患者的分配規則。

傘式試驗通常采用隨機對照試驗的設計方法，可以使用共同對照組的策略。目前沒有專門針對傘式試驗提出的試驗設計。有觀點認為，傘式試驗中的各項子試驗都可以視作單獨的富集試驗[5]，所以可以在子試驗中應用現有的富集設計方法。

目前，已完成的傘式試驗有BATTLE-1(NCT00411632)和NCT00903734等[17]，后者尚未公布試驗結果。BATTLE-1是一項晚期非小細胞肺癌患者的II期試驗[21]，共入組341名患者，最終參與隨機化的有255人。治療方案包括埃羅替尼、凡德他尼、埃羅替尼聯合蓓薩羅丁、索拉非尼，針對的基因通路分別為EGFR、KRAS/BRAF、維甲酸-EGFR以及VEGFR。前97名患者被平均分配至每個治療組中，剩余158名患者通過貝葉斯層次模型下的自適應隨機化方法進行分配，根據患者腫瘤標記物的情況自適應地為其分配收益最高的治療組。試驗的主要目標是判斷各治療方案在對應的患者亞組中是否有效，主要終點為第8周疾病控制率(disease control rate，DCR)，次要終點包括緩解率、無進展生存期(PFS)、總生存期(OS)以及毒性。試驗結果證實治療方案與標記物之間存在一定關聯，例如在KRAS/BRAF亞組中，索拉非尼的DCR達到79%，而埃羅替尼的DCR僅為14%。

3.平臺試驗

平臺試驗通常針對同一腫瘤類型的患者，使用多個治療組同時評價多種候選藥物(或治療方案)，除對照組之外，每個治療組對應一種治療方案。特點在于允許候選藥物種類與數量的動態變化，即允許治療組的退出和加入，使得試驗永續進行。平臺試驗尚未有明確統一的定義，廣義的平臺試驗即同時評估多種生物標記物和多種藥物的試驗，與傘式試驗非常類似。Simon[5]認為兩者的區別在于傘式試驗中生物標記物與藥物的對應關系是已知的，而在平臺試驗中是未知的。更嚴格的定義認為，平臺試驗必須允許治療組的動態變化[22]。更復雜的平臺試驗還可以結合籃式試驗與傘式試驗的特點，在不同腫瘤類型的患者中評價多種藥物。隨著試驗數據的累積，平臺試驗使用基于后驗概率或預測概率的貝葉斯決策規則判斷各治療組中候選藥物的療效。若認為藥物無效或過毒，則提前終止該組的試驗，淘汰該候選藥物；若認為有效，則該候選藥物可以從平臺中“畢業”，進入研發的下一階段，因淘汰或畢業空缺出來的位置可用于評估新的候選藥物。因此，平臺試驗可以在同一試驗框架下不斷地評估新加入的候選藥物，極大地提高了藥物評估的效率。由于其高效性和靈活性，平臺試驗尤其適合探索多種藥物的不同組合，或是直接地比較不同治療方案的效果[23]。Berry等人[24]認為，平臺試驗的重心在于疾病，而不僅是對特定治療手段的評估。即便已完成對初始候選藥物的評估，試驗也會持續進行。除了評估候選藥物對特定疾病的療效，平臺試驗也可以加入對患者異質性的考慮，通常使用響應自適應隨機化的方法分配患者。響應自適應隨機化可以根據患者所屬生物標記物亞組為其分配更可能有效的治療方案，使試驗中的患者獲益。然而也有批判的觀點認為，臨床試驗不應將更多患者提前分配到仍處于評估階段的治療方案中，試驗更應關注的是更廣泛的未來患者群體的獲益[17]。

Yuan等人[25]首先提出了一種針對MTA的II期平臺試驗設計，名為自適應迭代多候選設計(multi-candidate iterative design with adaptive selection，MIDAS)。MIDAS設計對候選藥物的PFS和二元毒性結果分別建立貝葉斯模型，作為治療組早期停止決策的基礎。除平臺設計的上述特點之外，MIDAS設計還改進了自適應分配規則，使新加入的候選藥物具有更高的隨機化概率，從而迅速積累樣本量。并且，為了使更多患者有機會接受更加有效的治療，當對照組的樣本量達到預先規定的閾值后，對照組的隨機化概率將逐漸縮小。當試驗中的任一候選藥物畢業或被淘汰時，MIDAS設計將立即開始評估新的候選藥物，如有需要，也可以首先使用貝葉斯最優區間設計[26]完成新候選藥物的I期導入階段，以確認其安全性。Hobbs等人[27]提出了基于預測概率的平臺試驗設計，考慮二元有效性結果的情形。該設計使用貝葉斯預測概率制定無效停止規則，能夠在試驗開始之前列出無效停止邊界。期中分析時無需進行額外的計算，只需根據響應人數判斷是否需要提前停止某一治療組。Tang等人[28]提出的ComPAS設計專門針對藥物組合的平臺試驗，并且提出一種基于貝葉斯層次模型的新型自適應收縮法。考慮若干待研究化合物與若干主治療方案的組合，令各組合響應率的logit變換值服從正態分布。如果認為不同組合的響應率只與主治療相關，在待研究化合物之間同質，則可將各組合的響應率收縮到各主治療的均值；更進一步，如果認為所有組合都近似可互換，則可將響應率收縮到所有組合的總體均值，從而實現不同組合間的信息借用。以上設計均針對臨床II期試驗，而Li等人[29]討論了I期平臺試驗的情形，即在一次試驗中同時評估多種研究藥物的多個劑量水平，并且根據生物標記物劃分了患者亞組。試驗目標是為每個亞組找到最優藥物的有效可耐受劑量。設計使用連續重估方法[30]尋找各亞組中每種藥物的最大耐受劑量，使用BHM法建立劑量與有效性的關系模型，并實現劑量之間的信息借用。

I-SPY2(NCT01042379)是較早開展的平臺試驗之一。I-SPY2是一項局部晚期乳腺癌女性患者的臨床II期試驗[31]，設置兩個標準治療組，其余治療組為五種新型候選藥物與標準治療的組合，每個治療組的樣本量設為20～120。根據生物標記物情況劃分患者亞組，HER2陰性患者對應的標準治療為紫杉醇，HER2陽性患者對應的標準治療為曲妥珠單抗聯合紫杉醇。目標是在患者亞組中判斷是否存在療效優于標準治療的治療方案。期中分析時計算各治療方案優于標準治療的貝葉斯預測概率，概率較高的治療方案與對應生物標記物的治療組將從試驗中畢業，進入臨床III期研究，概率較低的治療組將被舍棄。新候選藥物如果滿足基本的安全性和有效性要求，可在任一治療組畢業或被舍棄后進入試驗。同時應用貝葉斯自適應隨機化方法提高試驗的效率，以更高的概率為患者分配療效更優的治療組，從而更快地完成對該組的評估。I-SPY2平臺試驗可以作為快速評估新藥療效的范例，已發表多篇研究成果[32-33]。

4.其他復雜試驗

根據實際需求，主方案設計也可以融合籃式試驗與傘式試驗的設計特征，形成更加復雜的試驗設計。例如，NCI-MATCH(NCT02465060)是一項針對無公認標準治療，或接受標準治療后疾病進展的各類實體或淋巴瘤患者的II期試驗，預期設置25個MTA治療組，入組1000個攜帶基因突變的患者[34]。僅目前披露的10個治療組的信息中，就已涉及八種藥物和靶點。無論腫瘤類型，試驗根據腫瘤的分子亞型將患者分配到對應的治療組中。因為NCI-MATCH在多個腫瘤類型的患者中同時評估多種藥物對多個腫瘤分子亞型的治療效果，所以難以歸為以上具體某一類別。在以往的文獻中，NCI-MATCH既有被作為籃式試驗的案例，也有被作為傘式試驗的案例[35]。Siu等人[36]將該類主方案試驗稱為“混合試驗”。

統計學考慮

主方案試驗較普通試驗設計而言通常更為復雜，統計方法的正確運用可以在一定程度上確保試驗結果的準確性與可靠性，同時提高試驗的效率。以下將討論主方案試驗中涉及的統計學問題以及可用的統計方法。

1.控制錯誤率

主方案試驗中普遍存在多重檢驗的問題，需要控制試驗中的總體I類錯誤率。其中籃式試驗因為同時納入多個腫瘤類型的患者，在對藥物進行最終的匯總分析時尤其容易出現假陽性的結果[17]。有些籃式試驗在期中分析時，會使用“修剪(pruning)”的方法減少進入最終匯總分析的亞組數量，例如根據期中分析數據提前停止響應率較低的腫瘤類型對應的治療組。如果修剪是基于試驗數據進行的，則會導致I類錯誤率的膨脹，需要對其進行校正以控制總體I類錯誤率。對此，Chen等人[37]針對III期籃式試驗中可能使用的三種樣本量調整策略，提出了對應的校正I類錯誤率的方法。Yuan等人[38]針對使用修剪策略的籃式試驗，提出一種在控制總體I類錯誤率的條件下保證功效的成組序貫富集設計。

2.對照組

同時評價多種藥物對一種腫瘤類型療效的主方案試驗可以采用共同對照組策略，僅設置一個標準治療組作為所有其他治療組的對照，有利于減少所需樣本量，提高試驗效率。例如，LUNG-MAP試驗(NCT02154490)是一項針對晚期或轉移性肺鱗癌患者同時評價四種靶向治療方案的傘式試驗[39]。試驗由五項子試驗組成，根據患者的生物標記物情況將其隨機分配到對應子試驗中的靶向治療組或對照組，不符合任何靶向治療生物標記物要求的患者將被分配到為陰性患者準備的子試驗中。由于對照組共享，試驗僅設置四個靶向治療組、一個無匹配(non-match)治療組以及一個標準治療組。共同對照組的策略已得到美國FDA的認可與提倡[7]。需要注意的是，主方案試驗通常持續時間較長，如果公認的標準治療藥物出現更替，則試驗中對照組的用藥也應隨之調整，以符合倫理要求。

涉及多個腫瘤類型的主方案試驗中可能出現不設置對照組的情況，例如籃式試驗或更復雜的主方案試驗。Mullard[34]表示，不設置對照組的原因是無法對多個腫瘤類型的患者確定統一的標準治療，并且難以平衡試驗中治療組與對照組的患者數量。然而，對照組的缺失很可能影響試驗對療效的評價，導致對療效的高估或低估。

3.基于生物標記物的亞組劃分

在根據生物標記物分配治療組時，可能出現患者攜帶多個生物標記物，同時符合多個治療組的入組標準的情況，所以通常需要提前指定該類患者的分配方法?？梢钥紤]使用的方法大致有以下兩種：一種方法是根據生物標記物的稀缺性或入組率判斷，若患者攜帶的生物標記物均比較普遍，則可以將患者隨機分配到對應的任意治療組。若存在較稀缺的生物標記物，則可以為該組設置更高的隨機化概率或將患者直接分配到更稀缺的生物標記物治療組。例如在LUNG-MAP試驗中，治療組的隨機化概率與以往研究數據中生物標記物的普及率成反比。另一種方法是按照生物標記物的預測價值提前設置優先級，將患者優先分配到更具預測價值的治療組中。另外，如果患者接受某個治療方案一段時間后出現了疾病進展，也可以考慮為其重新分配治療組。例如在BATTLE-1試驗中，有18個患者參與了多次隨機分配[21]。

一些臨床試驗會針對所有生物標記物均為陰性的患者設置無匹配治療組，作為額外的子試驗，保證試驗入組的所有患者均能接受治療。這種處理方法尚不具備充分的合理性，目前存在爭議。并且，由于無匹配治療組中患者人群混雜，其試驗數據可能無法作為歷史數據支持未來的新藥審評[8]。

展 望

在精準醫療的背景下，隨著更多MTA的研發進入臨床評價階段，主方案無疑提供了一種更加經濟、高效的試驗設計方法?；诜肿臃中驼心蓟颊叩幕@式試驗提高了試驗的篩檢效率，使罕見腫瘤患者有了參與臨床試驗的機會，而傘式試驗和平臺試驗能夠快速完成對多種治療方案的評價，平行比較各組的治療效果，使有效的治療方案更快地進入市場。無論對企業還是對患者而言，主方案設計都是極其有利的，可以預見其廣泛的應用前景。

然而，在實際中應用主方案設計仍面臨諸多挑戰。首先，主方案設計對試驗的基礎設施、信息交流渠道和機構間合作提出了更高的要求，主方案框架下的大型試驗可能涉及多個地區的研究中心，研究藥物可能來自多個不同企業，需要多領域之間的密切交流與協作。其次，目前對患者的治療組分配大多基于生物標記物的測定，但是不是所有的生物標記物都已有成熟、可靠、可重復的測定方法。最后，主方案作為一種新興的試驗設計，在試驗的很多實施細節上尚無公認的最優方法。這就需要臨床研究者與統計學家的深入研究，從科學的角度探索更加合理、高效的試驗方法。